计算机视觉方面的顶级学术会议 CVPR 2020 不久前刚结束，不过会上仍有不少论文值得一读。

今天我们介绍的这篇 PIFuHD，在大会上入选口头报告 (oral presentation)就非常有趣，它提出了一种全新的基于神经网络方法：只用一张人物全身正面照片，几分钟的计算时间，就可以自动重建高分辨率细节丰富的3D模型。

不仅如此，和已经存在的类似技术相比，它还可以“猜”出照片里并不存在的身体部位，比如背部：

更好玩的是，由于它可以自动生成一个标准格式的3D模型文件 (.obj)，你还可以用它来进一步进行动作绘制，制作各种奇奇怪怪的视频……

我挑了一张自己不太标致的半侧身照片，试着跑了下代码（后附教程），效果虽不完美，重建的3D模型有明显噪音，脚部处理的不太好，而且跟本人长得也不算太像……不过模型的还是很令人惊喜，而且用 Google Colab 生成模型只用了三分钟：

为了避免到这里就读不下去了，我们还是放点比本文作者更养颜的效果图来看看吧……

那么，这个神经网络是如何工作的呢？

基本原理

在计算机视觉技术的范畴里，对人体进行3D模型重建有好几种方向。

最经典的方法是采用多台相机，从多个角度拍摄对象的照片，以及采用手持的结构光扫描设备，进行全方位的扫描，再在专业的软件中进行拼贴重建。2014年史密森学会制作前美国总统奥巴马的3D肖像，就是用的这种方法：

如果用机器学习的思路，用参数模型回归能够比较准确地提取人体模型，但是往往只能提取出来“裸体”的模型，人体自有的外观，包括面部特征、服装、发型等等，都被舍弃掉了。

另一种方向是无模型学习，可以还原人体的表面细节，但是模型本身的还原度很低，而且对计算资源的依赖太大。

这篇 PIFuHD 论文的目标，是对单张照片上穿着衣服的人进行高细节的3D重建，分辨率足以识别手指、面部特征、衣服褶皱等详细的信息。

基于该团队之前开发的 PIFu（像素对齐隐式函数）算法，分成两个原理相同，但功能不同的模块：

第一个模块对输入图像进行下采样，进行粗糙推理，输出一个低分辨率的三维模型；第二个模块从输入图像读取更精确的表面细节，并且引入第一个模块的结果，（这也是这篇论文标题中 Multi-Level PIFu 的来源）。

结合两个 PIFu 模块的结果，PIFuHD 实现了其目标，从一张照片中得到了高清晰度、细节丰富的3D重建模型，并且对于内存等计算资源的依赖更少，还其它已知3D重建算法直接对高清输入图像重建出1024*1024分辨率的3D模型。以及，其它方法经常出现的“假象”，在这一新方法中也有效避免。

还有一个问题：PIFuHD 是如何重建人物后背的3D模型的呢？
 

考虑到整个研究的限制，输入图像是单一的、正面的照片，背部的细节根本不存在，也就无法真的“重建”，只能靠猜。而猜的工作，是由两个模块都具备的多层感知器 (Multilayer Perceptron, MLP) 进行的。
 

由于 MLP 的工作原理，以及研究限制，如果不进行优化的话，生成的模型背面，其肌理非常平滑，几乎没有任何细节的存在，这又显得太不真实。

所以研究者在流程当中增加了一个环节，把背部模型推理工作的一部分移到特征提取的步骤里，就能够生成具有更多细节，更容易让观看者信服的背部肌理。

除了图像之外，PIFuHD 还可以对视频进行逐帧重建：

这篇论文的设计巧妙，也提出和引用了很多计算机视觉领域和3D重建方向最新的概念。论文由Facebook 的人工智能实验室、Facebook现实实验室（原 Oculus Research）和南加州大学共同进行，第一作者为 Shunsuke Saito。

网友神·二次创作

研究者非常体贴地在 Google Colab 上提供了运行所需的代码，只要经过简单的配置就可以运行。我找了一些难度较低的淘宝和街拍照片进行测试：

第一张，除了鞋的重建说不过去，整体完美：

第二张，似乎因为背景太复杂，导致提取细节时出现了误判，其它还原的比较精确，包括手和包，以及头左侧头发的质感：
 

又找了一些不是很标致，并非完全正脸的照片，效果也还算不错：

生成的模型也可以下载下来，放到诸如 Blender 等动画软件里，进行“二次创作”……这不，网友们已经大开脑洞了。

在下面这条视频里，这位网友似乎是用一张模特照片重建了3D模型，还增加了细节贴图，然后放到 ARKit 里，这样就可以在手机上打开了：

更厉害的还在后面。

静态的3D模型已经不能满足网友了，下面这位把自己的模型和舞蹈动作追踪组合起来，变成了街舞达人：

最后这个最神奇，网友把七国集团领导人全部复制成了3D模型，然后强迫他们跳日本神曲《新宝岛》：

这些网友的二次创作，玩的复杂多了，但其实技术门槛并不算高：只要用 PIFuHD 生成的模型文件，在 Blender 等3D渲染软件里打开，把输入图片作为贴图加上去，再用动画软件给新的模型加上动作什么的……

简直是没有做不到，只有想不到。

上手教程

论文作者很体贴地在 Google Colab（一个免费、在线、无需配置的 Python 开发环境）上提供了代码，任何人只要可以访问 Google 都可以进行测试。

在这里我们提供一个简单的教程，即使你不会写代码也可以轻松制作自己的3D模型：

首先访问论文的展示页面 https://shunsukesaito.github.io/PIFuHD/，点击"Demo"链接，进入 Google Colab；点击下图中这个按钮：

然后在新打开的 Google Colab 页面（"PIFuHD Demo 的副本") 上开始操作。右上角选择连接到托管代码执行程序 (hosted runtime)，然后在菜单栏的代码执行程序 (runtime) 里确认 runtime 种类为 GPU，保存：

Google Colab 是一个既可以写代码，又可以添加文字、图片和视频等各种注释内容的平台，不过我们关注代码块就好了。
 

每个代码块的左上角都会有一个运行的按钮，就像播放键一样。接下来你需要按从第一个到第四个代码块的运行按钮，跳过第五个代码块，选择第六个代码块，先不要按播放。

点击页面左边的文件夹，点击刷新，上传你的图片文件（最好是.png，实测.jpg等其他格式偶尔报错），然后把上传好的文件拖拽到 /pifuhd/sample_images 文件夹里

然后回到右边刚才选定的代码块，把你上传的输入图像的文件名写到下图中高亮位置：

然后，点击菜单栏的代码执行程序 (Runtime)，选择“运行当前单元格以及其后的所有单元格”，或者用键盘快捷键输入⌘/Ctrl+F10即可。

然后看着代码运行就好了。

一般重建3D模型的工作只用三五分钟。完成后你可以在左侧文件夹的 pifuhd/results/pifuhd_final/recon 路径里找到并下载生成的模型文件(.obj 格式) 和一张特征图（.png 格式，没什么用）。

你会发现程序仍然在跑余下的代码块，因为剩下的时间主要是在等渲染，程序会把输入图像和重建3D模型拼接到一起，生成一条可以下载的视频。

Colab 毕竟是一个免费的工具，图像处理的输入和输出尺寸也有限制。我自己测试后发现，在 Colab 上重建的模型，脸部细节和衣服还原真实程度比研究者自己做出来的差多了。

不过，就算没有任何代码知识，只需五分钟就可以体验机器学习3D重建模型的快乐，还是蛮不错的～